材料发现指利用计算模拟、机器学习与自动化实验加速新材料研发的过程,近年来随着大语言模型与智能体技术进入材料研发流程,该领域正从单纯的性质预测模型走向覆盖设计、验证与转化的闭环体系。
材料发现的近期进展
当前焦点与观察点
当前材料发现领域的讨论集中在三个方向:其一是评测体系的建设,FrontierMat 一类的基准试图回答语言模型在材料研发中到底能做什么、不能做什么;其二是物理约束与数据驱动方法的结合,避免模型给出违反物理的结果;其三是智能体化,让 AI 不只是预测工具,而是能调用计算与实验流程、形成闭环的研究助手。值得关注的问题是:这些框架的真实可复现性与跨领域泛化能力尚待验证,数据标准化(如 FAIR 原则)能否在社区内普及,以及闭环平台在生物医学等高风险应用中的可靠性如何保证。总体来看,材料发现正在从单点模型竞争转向平台与工作流的竞争,这一阶段的核心变量是评测标准与数据基础设施。